【预售】(按需印刷POD版)KALMAN滤波器——应用研究

图书信息

作者：金学波等著

出版社：科学出版社

定价：116.00

ISBN：9787030584786

出版时间：2018-10-01

分类：图书,行业职业,工业技术,通讯

商品介绍

目录

前言

第1章基础知识1

1.1Kalman滤波器的动力学模型2

1.1.1连续模型离散化2

1.1.2机动目标的经典动力学模型5

1.2Kalman滤波器13

1.3自适应参数机动目标模型估计方法14

1.4小结19

第部分基于Kalman滤波器的时间序列分析

第2章Kalman滤波器在时间序列动力学中的应用23

2.1相关知识介绍23

2.2时间序列数据的动力学建模25

2.2.1主趋势提取模型25

2.2.2主趋势变换模型25

2.3实验研究26

2.4小结29

第3章Kalman滤波器在时间序列压缩中的应用30

3.1时间序列压缩的应用背景30

3.2时间序列压缩的研究现状31

3.3时间序列压缩的解决方案32

3.3.1规则采样压缩法32

3.3.2随机不规则采样压缩法33

3.3.3弹簧驱动的采样压缩法33

3.4时间序列压缩的实验结果34

3.4.1数据34

3.4.2评价指标35

3.4.3实验结果35

3.5小结37

参考文献47

第4章Kalman滤波器在时间序列预处理中的应用48

4.1时间序列提取基本趋势的应用背景48

4.2时间序列提取基本趋势的研究现状49

4.3时间序列提取基本趋势的解决方案50

4.3.1不规则采样和Kalman估计51

4.3.2三次样条插值重构51

4.3.3Max/Min/Mean均值替代52

4.4实验结果52

4.4.1评价指标52

4.4.2实验结果53

4.5小结55

参考文献62

第二部分基于惯性导航原理的机器人移动轨迹重建

第5章捷联式惯性导航系统的基本理论65

5.1捷联式惯性导航系统概述65

5.1.1捷联式惯性导航系统原理65

5.1.2捷联算法66

5.2惯性导航坐标系及其转换关系67

5.2.1常见惯性导航坐标系67

5.2.2坐标系间的相互转换68

5.3捷联式惯性导航系统姿态解算算法70

5.3.1姿态矩阵的微分方程描述71

5.3.2姿态矩阵的实时计算与更新72

5.4基于四元数的捷联式惯性导航姿态解算74

5.4.1四元数与捷联式惯导姿态矩阵74

5.4.2导航参数的计算75

5.4.3初始条件的给定与初始数据的计算79

5.5小结80

参考文献81

第6章捷联式惯性导航系统的数字仿真82

6.1捷联式惯性导航数字仿真设计原理82

6.2飞行轨迹发生器的设计83

6.2.1仿真用坐标系83

6.2.2飞机的机动飞行过程83

6.2.3飞行轨迹参数的求取84

6.3惯导系统仿真器的设计86

6.3.1陀螺仪仿真器86

6.3.2加速度计仿真器87

6.3.3S1NS导航解算仿真器88

6.3.4误差处理器90

6.4数字仿真系统的MATLAB建模及实现90

6.4.1数据的模拟生成90

6.4.2Kalman滤波器在含噪捷联式惯导系统解算中的应用91

6.5小结95

参考文献107

第7章基于多传感器的路径重建系统的实现108

7.1机器人平台介绍108

7.2数据采集与预处理109

7.3路径重建系统实现算法流程113

7.3.1使用四阶龙格库塔法更新四元数114

7.3.2基于多源信息融合方法重构轨迹114

7.4实验结果116

7.5小结117

参考文献117

第三部分基于多传感器信息融合的室内目标跟踪技术

第8章室内跟踪技术简介121

8.1室内跟踪定位技术介绍121

8.2室内跟踪技术的研究现状123

8.2.1RF1D室内跟踪系统124

8.2.2惯性导航系统125

8.2.3多传感器信息融合125

8.3小结127

参考文献127

第9章基于IMU的仿真系统与轨迹重建方法129

9.1基于IMU的运动轨迹测量数据仿真129

9.1.1加速度计仿真器的实现129

9.1.2陀螺仪仿真器的实现130

9.1.3惯性传感器数据的仿真结果132

9.2基于IMU的运动轨迹重构方法及仿真结果134

9.2.1基于惯性传感器测量数据的航位推算134

9.2.2仿真实验结果及误差分析136

9.3小结137

参考文献138

第10章基于RFID的运动轨迹重构方法139

10.1基于RFID的运动轨迹测量数据仿真139

10.1.1RFID系统的测量模型139

10.1.2RFID阅读器数据的产生140

10.2基于RFID测量数据的运动轨迹重构方法141

10.2.1轨迹重构方法流程图141

10.2.2基于可变数量RFID阅读器的UKF跟踪方法142

10.3实验结果146

10.4小结147

参考文献148

第11章基于RFID和IMU融合的室内跟踪方法149

II.I多传感器室内跟踪方法的算法流程149

11.2基于多传感器融合跟踪方法的仿真研究150

11.3基于多传感器融合跟踪方法的实验研究153

11.3.1数据采集与预处理153

11.3.2实验结果157

11.4小结161

参考文献166

第四部分基于动态特征的金融数据时序关系建模

第12章金融时序数据分析基础169

12.1量化投资的相关知识介绍169

12.2国内外研究现状171

12.2.1量化投资国内外研究现状171

12.2.2金融时序分析方法研究现状173

12.3小结179

参考文献179

第13章基于时序数据的多维特征提取183

13.1静态特征183

13.1.1价格特征184

13.1.2资金特征185

13.1.3情绪特征185

13.2动态特征187

13.3特征提取190

13.3.1特征预处理191

13.3.2特征统计表现192

13.4小结198

第14章HMM建模方法200

14.1基于单特征训练集的HMM建模方法200

14.1.1HMM原理201

14.1.2评价指标203

14.1.3模型建立及结果分析205

14.2基于多维特征测试集HMM建模方法211

14.2.1基于多维特征的HMM建模流程211

14.2.2实验结果212

14.3小结217

第五部分基于Kalman滤波器的信号去噪

及参数辨识方法研究

第15章基于SHAKF去噪方法的研究与实现221

15.1SHAKF的简要介绍221

15.2陀螺仪测量数据的在线建模221

15.2.1AR模型221

15.2.2基于RLS对AR模型参数进行估计222

15.3实时滤波224

15.3.1滤波器的选择224

15.3.2SHAKF算法224

15.3.3SHAKF算法分析227

15.3.4SHAKF算法的改进229

15.4基于AR模型自适应滤波的实验与分析229

15.4.1系统方程229

15.4.2实验结果231

15.4.3性能分析233

15.4.4实验仿真结果总结234

15.5小结234

参考文献238

第16章基于二阶自适应统计模型的信号在线去噪239

16.1基于Kalman滤波和自适应统计模型的在线去噪算法239

16.1.1在线去噪的自适应统计模型239

16.1.2通过YuleWalker算法进行自适应参数调整241

16.2实验研究242

16.3小结249

参考文献249

第17章基于EKF算法的系统参数辨识250

17.1相关技术介绍250

17.2应用EKF进行系统参数辨识252

17.3BoucWen模型实例仿真分析252

17.4小结257

参考文献258

内容简介

Kalman滤波器在很多领域都有广泛的应用。本书较全面地介绍了Kalman滤波器在的时间序列及移动机器人系统中的应用。第1章为绪论，介绍了Kalman滤波器的发展现状与趋势、以及本书的主要内容。第2章介绍了Kalman滤波器在时序信号分割-预测中的应用。第3章介绍了Kalman滤波器在时间序列压缩中的应用，本章包含了基于Kalman滤波器的时序信号压缩方法的介绍。第4章介绍了Kalman滤波器在时间序列预处理中的应用，基于含有噪声、野点的时序信号研究了提取其基本趋势的方法并进行了实际应用。第5章介绍了捷联式惯导系统的基本理论。第6章给出了捷联式惯导系统的数字仿真应用研究，设计了惯导系统仿真器。第7章基于多传感器融合方法，实现了Nao机器人系统的行走路径重建。同时，本书还配有与全书的应用研究相配套的Matlab程序。与之配套的网站可以下载源程序及解答疑问，同时利用微信平台对书中的知识点进行说明，并适当的扩展。